太空任务规划和航天器设计紧密耦合,需要一起考虑才能获得最佳性能;然而,这个集成优化问题会导致大规模的混合整数非线性规划 (MINLP) 问题,而该问题的求解十分具有挑战性。为了应对这一挑战,本文提出了一种新的解决该 MINLP 问题的方法,即遵循多学科设计优化 (MDO) 的理念,通过增强拉格朗日协调方法迭代求解一组耦合子问题。所提出的方法利用问题的独特结构,将其分解为一组不同类型的耦合子问题:任务规划的混合整数二次规划 (MIQP) 子问题和航天器设计的一个或多个非线性规划 (NLP) 子问题。由于可以将专门的 MIQP 或 NLP 求解器应用于每个子问题,因此所提出的方法可以有效地解决原本难以解决的集成 MINLP 问题。还提出了一种自动有效的方法来寻找这种迭代方法的初始解,这样就可以在不需要用户定义的初始猜测的情况下进行优化。在演示案例研究中,使用子系统级参数化航天器设计模型优化了载人月球探测任务序列。与最先进的方法相比,即使没有并行化,所提出的公式也可以在更短的计算时间内获得更好的解决方案。对于更大的问题,所提出的解决方法也可以轻松并行化,因此有望进一步发挥优势和可扩展性。
估计此次信息收集的公共报告负担平均每份回应需要 1 小时,其中包括审查说明、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将关于此负担估计或此信息收集的任何其他方面的评论(包括减少此负担的建议)发送至华盛顿总部服务部、信息运营和报告理事会,地址:1215 Jefferson Davis Highway, Suite 1204, Arlington, VA 22202-4302,以及管理和预算办公室、文书工作减少项目 (0704-0188) Washington DC 20503。1.仅供机构使用(留空) 2.报告日期 2009 年 9 月 3.报告类型和涵盖日期 硕士论文
地理空间信息已证明其至关重要,因为它可以提供早期预警信号和提供作战见解。在本文中,我们将介绍另一个应用领域,即收集地理空间信息以用于综合训练和模拟解决方案。政府(即情报界)和商业地理空间数据提供商(例如 Maxar Technologies)为选定的关注区域提供了大量接近实时的数据。例如,如果需要,Maxar 的卫星群每天可以提供多个重访周期。生成的大量地理空间数据是现代大数据分析的典型应用领域,而现代大数据分析则由先进的机器学习模型支持。考虑到这些技术进步,我们将提供一个端到端的地理空间平台来消化和分析捕获的数据(例如通过无人机或卫星)并输出 3D 环境,从而为关键任务规划和培训提供下一代建模和仿真 (M&S) 解决方案。
描述:AMPS 是一种任务规划战斗同步工具,可自动执行航空任务规划任务,包括战术指挥和控制、任务规划和飞行规划。它与陆军任务指挥系统 (AMCS) 和相关网络交互,为航空指挥官提供持续的态势感知,使指挥官能够快速调整任务计划。电子格式被加载到飞机平台上,初始化飞机上的通信、导航、态势感知和武器系统,包括 AH-64 A/D、CH-47 D/F、OH-58D Kiowa Warrior、UH-60 A/L/M/Q、HH-60 L/M 和无人机系统 (UAS)。这项工作将允许将新的路线服务器、计算引擎和表格编辑器组件集成到 AMPS 配置中,并修改飞机武器电子设备 (AWE) 模块以利用新组件。
从使用 Leica MissionPro 进行任务规划到使用 LeicaXPro 进行正射影像和点云生成的端到端工作流程
在 I/ITSEC 2019 上,任务规划与汇报团队成功演示了他们的原型任务规划技术,以应对未来复杂且竞争激烈的同等冲突。该演示展示了人机协作环境,其中计算智能(软件代理)在规划过程的各个方面为人类规划人员提供支持。这些代理参与了解析空中任务命令、对任务计划进行初步修改、根据其他规划文件为空域构建约束以及生成最终产品。该演示引起了人们的兴趣,带来了与其他军事部门和行业的十多个新合作机会。此外,该团队还收集了许多主题专家的重要反馈和建议,这将有助于指导未来的发展并改进功能。